MétaCan
Menu
Retour à la cohorte
Enregistrement W2799362082 · doi:10.25071/ryr.v3i0.40440

How Does Cutting Healthcare for Refugees Affect Refugees in Canada?: A Literature Review

2016· review· en· W2799362082 sur OpenAlexaboutno aff
Mariam Hamaoui

Notice bibliographique

RevueRevue YOUR Review (York Online Undergraduate Research) · 2016
Typereview
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeHealth careGovernment (linguistics)ImmigrationPolitical scienceTreatyEconomic growthPublic relationsPublic administrationLawEconomics

Résumé

récupéré en direct d'OpenAlex

This literature review examines the effects of Canada’s healthcare cuts on refugees by analyzing five case studies—with qualitative and quantitative data gathered through surveys and in-depth interviews—and discussing results. All five case studies suggest that cutting healthcare for refugees is detrimental to the refugees, and will ultimately cost the government more than what it claims to be saving through cuts. Healthcare is essential for all members of society. In Canada, refugees and immigrants are entitled to receive free healthcare provided by the Canadian government for a period of time. This comes at no cost to the beneficiaries, and helps alleviate some of the pressures felt by people who must grow accustomed to new surroundings. From a moral standpoint, not only are healthcare cuts to refugees inhumane, but they also “violate Canada’s international treaty obligations to be non-discriminatory in the provision of health services” (Stanbrook, 2014).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,002
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,116
Tête enseignante GPT0,470
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue YOUR Review (York Online Undergraduate Research)Même sujetMigration, Health and TraumaTravaux en français237 207